論文の概要: Phionyx: A Deterministic AI Runtime Architecture with Structured State Management and Pre-Response Governance
- arxiv url: http://arxiv.org/abs/2607.18246v1
- Date: Mon, 04 May 2026 18:35:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 00:46:13.08784
- Title: Phionyx: A Deterministic AI Runtime Architecture with Structured State Management and Pre-Response Governance
- Title（参考訳）: Phionyx: 構造化状態管理とプレレスポンスガバナンスを備えた決定論的AIランタイムアーキテクチャ
- Abstract要約: 我々は、より広範なEchoismインタラクションフレームワークから派生した決定論的AIランタイムアーキテクチャであるPhionyxを紹介する。
確率的エージェントとは異なり、フィオニクスは決定論的状態進化方程式によって支配される構造化状態ベクトルを介して決定論的状態進化を実行する。
本アーキテクチャは,(1)標準46ブロックパイプラインによるカーネル処理ノイズセンサ計測の定性評価,(2)事前応答制御とアーキテクチャプライバシ保護を実現する統一安全層,(3)影響重み付きキャッシュ消去を実装したセマンティック時間ベースのメモリシステムである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present Phionyx, a deterministic AI runtime architecture derived from the broader Echoism interaction framework that introduces a governance-first approach to AI engineering: treating large language model (LLM) outputs as noisy sensor measurements rather than direct decisions. Unlike probabilistic agents, Phionyx enforces deterministic state evolution via a structured state vector governed by deterministic state-evolution equations, enabling reproducible behavior in applications requiring auditability and governance. The architecture integrates three layers: (1) a deterministic evaluation kernel processing noisy sensor measurements through a canonical 46-block pipeline, (2) a unified safety layer providing pre-response control and architectural privacy enforcement, and (3) a semantic time-based memory system implementing impact-weighted cache eviction. Experimental validation on single-instance deployments demonstrates approximately 31% reduction in computational overhead vs. post-hoc filtering (at 30% unsafe input ratio, simulated cost model) and up to 24% improvement in high-value data retention vs. LRU (72% vs. FIFO, same cache capacity, benchmark-verified), deterministic execution verified across 100 repeated runs with zero variance in control signals (hash-verified), and zero unplanned restarts in single-instance deployment testing (see Appendix C for methodology and scope). This paper presents the architecture, its analytic structure, and scoped experimental evidence; generalization to distributed or multi-tenant deployments remains future work.
- Abstract（参考訳）: 我々は、より大きな言語モデル(LLM)出力を直接的な決定ではなくノイズの多いセンサ測定として扱うという、AIエンジニアリングに対するガバナンス優先のアプローチを導入する、より広範なEchoismインタラクションフレームワークから派生した決定論的AIランタイムアーキテクチャであるPhionyxを紹介する。
確率的エージェントとは異なり、フィオニクスは決定論的状態進化方程式によって支配される構造化状態ベクトルを介して決定論的状態進化を強制し、監査可能性とガバナンスを必要とするアプリケーションにおいて再現可能な振る舞いを可能にする。
本アーキテクチャは,(1)標準46ブロックパイプラインによるカーネル処理ノイズセンサ計測の定性評価,(2)事前応答制御とアーキテクチャプライバシ保護を実現する統一安全層,(3)影響重み付きキャッシュ消去を実装するセマンティック時間ベースのメモリシステムである。
単一インスタンス配置に対する実験的な検証では、計算オーバーヘッドの約31%削減とポストホックフィルタリング(30%の安全でない入力比率、シミュレーションコストモデル)、最大24%の高価値データ保持の改善(72%対FIFO、同一キャッシュ容量、ベンチマーク検証)、100回の繰り返し実行で検証された決定論的実行(ハッシュ検証)、単一インスタンス配置テストにおけるゼロ計画の再起動(方法論とスコープのAppendix C参照)が示されている。
本稿では, アーキテクチャ, 解析構造, 実験的エビデンスについて述べる。分散配置やマルチテナント展開への一般化は今後の課題である。
関連論文リスト
- Architecture-Dependent Causal Transfer of Activation States Across Large Language Models [51.56484100374058]
内部言語アクティベーション状態は、異なる大きな言語モデル間で因果的に転送することができる。
生成中に投影された活性化をターゲットモデルに注入すると、統計的に有意で事前登録された因果効果が生じる。
現在実装されているLCM間のエンド・ツー・エンドのアクティベーション・ステート・トランスファーは、ユニバーサルではなくアーキテクチャに依存していると結論付けている。
論文 参考訳（メタデータ） (2026-08-17T09:53:27Z) - Test-Time Scaling in Reasoning LLMs: Inference Regimes, Evaluation, and Reproducibility [7.838210213616623]
3つの軸に沿ってテスト時間スケーリングを体系的に記述する。
まず、自動回帰モデルの暗黙の接頭辞木に対する予算付き推論としてテスト時間スケーリングを定式化する。
次に,評価対象を全体推論システムとして扱う。
論文 参考訳（メタデータ） (2026-08-04T17:57:20Z) - Dynamic Online Processor-Native Inference for State Estimation [0.0]
センサリッチなデータ駆動アプリケーションは、ノイズの多いセンサ測定と物理モデルから動的システムの潜在状態を推測するためにベイズ的アプローチをますます利用している。
本稿では,プロセッサネイティブな不確実性追跡を不確実性伝播と推論の両方に用いたベイズフィルタ手法を提案する。
3つの非線形状態空間システムのベンチマークは、粒子フィルタとモンテカルロに基づく確率推定器に対するアプローチを比較する。
論文 参考訳（メタデータ） (2026-07-13T19:13:45Z) - Planning-aligned Token Compression for Long-Context Autonomous Driving [95.59023657139208]
条件付きVQ-VA上に構築した計画整合型ワーキングメモリフレームワークを提案する。
圧縮は歴史的軌跡と学習した計画意図の両方で条件付けられている。
歴史的文脈が行動の正確性に最も重要となる高信号動的シナリオについて評価する。
論文 参考訳（メタデータ） (2026-06-05T17:16:21Z) - ComplexMCP: Evaluation of LLM Agents in Dynamic, Interdependent, and Large-Scale Tool Sandbox [61.862814740220806]
$textbfComplexMCP$は厳格な条件下でエージェントを評価するために設計されたベンチマークである。
Model Context Protocol (MCP)上に構築された$textbfComplexMCP$は300以上の精巧にテストされたツールを提供する。
論文 参考訳（メタデータ） (2026-05-11T16:20:51Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - Reasoning Provenance for Autonomous AI Agents: Structured Behavioral Analytics Beyond State Checkpoints and Execution Traces [0.0]
Agent Execution Record (AER) は構造化された推論プリミティブであり、すべてのステップで第一級クエリ可能なフィールドとしてインテント、観察、推論をキャプチャする。
AERが集団レベルの行動分析を可能にする方法を示す: 推論パターンマイニング、信頼度校正、クロスエージェント比較、モックリプレイによる反事実回帰テスト。
論文 参考訳（メタデータ） (2026-03-23T08:27:54Z) - AutoResearch-RL: Perpetual Self-Evaluating Reinforcement Learning Agents for Autonomous Neural Architecture Discovery [5.110708177092157]
本稿では、強化学習エージェントが人間の監督なしにオープンエンドニューラルネットワーク研究を行うためのフレームワークであるAutoResearch-RLを提案する。
我々はこれをマルコフ決定過程として定式化し、軽微な仮定の下で収束保証を導出し、1つのGPUナノチャット事前学習ベンチマークで経験的に実証する。
論文 参考訳（メタデータ） (2026-03-07T17:49:44Z) - Multistep Inverse Is Not All You Need [87.62730694973696]
実世界の制御環境では、観測空間は不要に高次元であり、時間関連ノイズにさらされることが多い。
したがって、観測空間を制御関連変数のより単純な空間にマッピングするエンコーダを学ぶことが望ましい。
本稿では,多段階逆予測と遅延フォワードモデルを組み合わせた新しいアルゴリズムACDFを提案する。
論文 参考訳（メタデータ） (2024-03-18T16:36:01Z) - Task-Oriented Sensing, Computation, and Communication Integration for
Multi-Device Edge AI [108.08079323459822]
本稿では,AIモデルの分割推論と統合センシング通信(ISAC)を併用した,新しいマルチインテリジェントエッジ人工レイテンシ(AI)システムについて検討する。
推定精度は近似的だが抽出可能な計量、すなわち判別利得を用いて測定する。
論文 参考訳（メタデータ） (2022-07-03T06:57:07Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。